吴恩达：AI正在奖励通才

随着 AI 越来越多地自动化编码，它把开发者解放出来，去花时间做传统上只留给资深工程师的高层软件开发任务——比如决定技术架构、参与界定产品需求。 这类工作的需求正在增长，因为它是编码的经济互补品，而编码正变得越来越便宜。 这就是为什么我有信心：对广博的 AI 工程技能，需求会不断上升。 我也看到类似的模式开始在其它受 AI 影响的领域出现。与「jobpocalypse」（工作末日）的预言相反，我谨慎乐观地认为：AI 总体上会增加对掌握合适技能的人的需求。 以营销为例。 AI 在起草和编辑营销文案、收集市场数据、做非常基础的数据分析上都帮得上忙。 （以我的经验，即便是前沿模型做的分析也经常出错。所以，用 AI 辅助你的数据科学任务没问题，但不要盲目相信它言之凿凿的结论！） 这把营销人解放出来，去花更多时间做更高层的任务。 我看到，AI 原生的营销人不再专守社交媒体运营、文案编辑这类窄角色，而是站起来端到端地统筹更完整的营销战役——从构思，到多线并进的执行，再到复盘经验教训。 正如 AI 正把许多专精开发者（前端、后端、移动端等）变成全栈开发者，我看到早期迹象表明，它也在把更多营销人变成全栈营销人。

一人多顶帽子：工程、营销、招聘的窄分工都在合并成全栈角色（图：DeepLearning.AI） 再以招聘为例。 有些公司把角色分开设：寻源专员（sourcer，在网上找候选人）、协调专员（coordinator，负责日程安排）、招聘专员（recruiter，主导招聘流程）。 但寻源正日益自动化，协调也部分自动化了。 结果就是，我看到越来越多 AI 原生的招聘人自己跑通全周期，上面这些活一个人全做。 随着 AI 进入更多领域，我预计会有更多人开始在自身学科里扮演「全栈」或「全周期」角色——也就是说，承担更宽的职责，把传统上分开的角色整合起来。 这让个人能做更多事，而且我相信，最终会带来更大的技能需求与更高的报酬。 更一般的规律是：在许多职位上，随着资历上升，你会越来越擅长管理整合复杂度——把前端、后端、数据工程等许多不同的工作流编织成一个更大的整体。 当 AI 自动化一个人工作中的某些部分——通常是更可验证的那部分——它就为个人腾出更多空间，去扮演更宽的角色。 这个规律并不适用于所有职位。在有些职位上，资历上升意味着越来越专精。 这大致对应于走 IC（individual contributor，个人贡献者）职业轨道、而不是管理/技术主管轨道的人。 例如：机器学习工程师对一个技术细分领域建立极深的理解；金融专家从通才型金融分析师，成长为某个重要板块的专才（比如跨境交易审计）；或者医生只在一种病症上发展出深厚专长。 在这类领域中，我预计对人类技能的需求会在许多（但不是全部）领域增长，而 AI 对任何一个专精领域的影响，取决于 AI 的锯齿状前沿沿那个维度推进得有多快。 这个话题，我会在以后的信里再展开。 在那之前，请你想想：回到 2022 年，哪些活是你的队友替你干的？ 那些活，很可能正是你当下工作的互补品。 所以，如果你能用 AI 亲手做掉更多这类任务——这可能需要学新技能——那就是你把 AI 用得更有效率的一条路。